Microsoft AI的诊断准确性比人类医生高4倍。将来在?

四次，AI医生比人类医生更准确地诊断。这可能有些不可思议，但是Microsoft AI团队发布的Mai-Dxo（Mai Diagnostic演奏家）最近做到了。每周在《新英格兰医学杂志》上发表的304例非常复杂的案例中，基于基础标准。测试结果表明，准确率达到85.5％。该基准不再是可以通过记忆来完成的测试纸的答案，而是微软创建的新的审查标准，“主题 - 诊断台”。它大大恢复了实际诊断和治疗过程的互动挑战：从描述患者的初始症状开始。有了许多扭曲的问题，请选择不同的试验和试验，并在手机状况下逐步提供信息。进行了每次检查，并同时记录了检查项目的费用；对需求和成本进行了评估。给出了最终诊断。面对304复杂案例，微软选择了另外21例，他们以5到20年的临床经验从事了美国和英国的医生。测试结果表明，真正医生的平均准确性仅为20％，这是“ AI医生”间隔的四倍。同时，与人类医生相比，该“ AI医生”提供了更少的不必要的测试，将诊断成本降低了20％-70％。 ▲引言以下诊断基准图的图表“ Gatekeeper”响应了诊断代理的信息请求，审查模型审查了诊断剂的最终诊断和KATCETIVE案例。扩展全文 DXO到底如何达到四倍的人类医生？这不是一个新的大语言模型，也不依赖于单个模型。 Mai-Dxo是一个模仿许多现实医生合作社诊断过程的系统。得益于当前大语言模式的持续发展LS，在DXO系统中，有不同的语言模型可以发挥五种不同的医疗职责。 这些医学论文包括假设的医生，这些医生想到各种结果，选择医生，挑战医生询问当前的诊断假设，成本管理医生避免不必要的检查，以及医生的检查清单，确保诊断性诊断和选择的逻辑仍然相同。 这些“医生”共同努力，充分模仿了人类医生团队的工作，并弥补了复杂诊断中单个AI模型的可能缺点。 ▲DXO系统概述图 如上图所述的系统概述图所示，Mai-Dxo完全模仿了我们去医院进行治疗的过程。 首先，从咨询开始，Main-Dxo会出现一个简短的临床故事，通常为2-3个句子，其中包含主要情况。 接下来，Mai-Dxo将开始摘要患者的基本请求，然后选择下一步INUE问患者或申请诊断。 每次检查将进行计算检查费并继续完成。卫生周期直到给出最终诊断。 在试验期间，MAI-DXO使用O4-Mini和专业医生来设置“看门人”，以确保提供给系统系统的信息与正常医生相同，可以在咨询和临床实践中获得。 Mai-Dxo的出现在大型语言模型的医学诊断中的表现取得了显着改善。微软已经测试了OpenAI，Gemini，Claude，Grok，Deptseek和Llama系列的各种模型，使用单个AI模型都优于表现，而最佳实践组合是O3 MA-DXO与OpenAI配对。 由于它不受大型语言模型的限制，因此Mai-Dxo还可以同步适应，以便将来出现更好的模型。 ▲比较不同模型的精度NG人工智能igence和平均诊断测试成本 虽然“ AI医生”似乎很好，但AI成为一名好医生并不容易。 在项目论文的结论中，微软指出，这项研究具有重大局限性，其中包括21位参与比较实验的医生尚未在同行讨论，参考书和AI开发方面获得帮助。此外，微软的实验仅讨论了此案中最具挑战性的问题，并且没有进一步测试我们对太阳疾病的整体诊断。 微软强调，AI不会取代医生，这将是医生和患者的共同助手。 但是，这位医生和该患者的助手继续吸引全球关注。早在今年3月，PMICROSOFT已发布了Microsoft Dragon Copilot的医学界第一位AI助理，这将帮助医生更好地修复病例的临床文件。 IBM发射IBM Watson H爱卫生医学人工智能平台，Google的DeepMind和Nvidia的Nvidia Clara都带来了医疗情况，例如指导，咨询和病理学等新变化。 几个小时前，阿里·达马学院（Ali Dama Academy）还发布了世界上第一个用于胃癌成像筛查，葡萄葡萄的AI模型，该模型使用了伴随于-Depepth研究的普通成像CT成像来识别早期胃癌伤口。 华为仅由今年的医疗和健康军组成。上周，它还在鲁伊因医院（Ruijin Hospital）联手宣布鲁帕斯（Ruipath）的开放资源跟踪模型，并具有临床验证能力，涵盖了包括肺癌在内的7种常见癌症。 该药物需要很高的准确性，并且错误的0.01％也可能导致严重后果，这与程序员编写代码时发生的错误完全不同。 Mai-Dxo模仿了实际咨询的过程，似乎这条AI医疗道路变得更加清晰，C学习者。 从百度咨询到Chatgpt咨询，我认为将来，我将获得普通医院。审查医院排名，付费询问在线医生，您也可以先检查此“ AI医生”。回到Sohu看看更多